حیطه سوم RoB 2: سوگرایی به دلیل missing داده‌های پیامد

RoB 2 Domain 3: Bias due to missing outcome dataاین ویدئوها، که در اصل بخشی از مجموعه وبینارهای آموزش زنده ROB 2 هستند، نحوه استفاده از حیطه سوم Rob 2  یعنی سوگیری (bias) به دلیل داده‌های ازدست‌رفته پیامد را توضیح می‌دهد. ارائه دهندگان توضیح می‌دهند که چه موقع سوگیری به وجود می‌آید و سؤالات سیگنالینگ در این حیطه را مطرح می‌کنند. آنها سپس چگونگی تعیین زمان برای انجام آنالیز حساسیت (sensitivity) را پوشش می‌دهند و شواهدی را ارائه می‌دهند که نشان می‌دهند نتایج به دلیل استفاده از داده‌های ازدست‌رفته پیامد دچار سوگیری نشده است. هم‌چنین در مورد چگونگی ارزیابی اینکه آیا ازدست‌رفتن داده‌های پیامد به ارزش واقعی آنها بستگی دارد یا خیر، به بحث و بررسی می‌پردازند، این نکته اصلی در این حیطه است. در نهایت، ارائه دهندگان الگوریتمی را برای چگونگی پاسخ به سؤالات سیگنالینگ طراحی شده برای قضاوت در مورد خطر سوگیری برای حیطه‌ها، به همراه مثال‌های کار شده نشان می‌دهند.

این جلسه مورد توجه افرادی است که علاقه‌مند به استفاده از ROB 2 برای ارزیابی خطر سوگیری در مرور خود بودند. علاوه بر تیمهای نویسندگان مرور، ویراستاران CRG نیز می‌توانند در مورد خطر سوگیری ناشی از داده‌های ازدست‌رفته پیامد اطلاعاتی را کسب کنند تا بتوانند به نویسندگان برای پاسخ به هرگونه سؤالی که ممکن است داشته باشند کمک کنند، همچنین اطمینان حاصل کنند که اطلاعات موجود در مرور مرتبط با این حیطه هستند.

این وبینار در مرداد ماه ۱۳۹۹ (آگوست ۲۰۲۰) برگزار شد. در زیر ویدئوهای وبینار را به همراه اسلایدهای مربوطه برای دانلود [PDF] خواهید دید.

بخش ۱: داده‌های ازدست‌رفته پیامد، چه زمانی منجر به سوگیری می‌شوند

بخش ۲: چگونه متوجه وجود سوگیری می‌شویم؟

بخش ۳: ارزیابی ROB به دلیل داده‌های ازدست‌رفته پیامد


بیوگرافی ارائه دهندگان

جولیان هیگینز (Julian Higgins)، استاد سنتز شواهد در گروه علوم بهداشتی جمعیت دانشگاه بریستول، رئیس گروه Bristol Appraisal and Review of Research (BARR) است. علایق پژوهشی وی شامل کلیه زمینههای مرور سیستماتیک و متاآنالیز است. برخی از روش‌های وی عبارتند از: رویکرد بیزی (Bayesian) به متاآنالیز شبکه‌ای؛ آماره  I-squared برای تعیین ناهمگونی در مطالعات در متاآنالیز؛ فواصل پیش‌بینی (prediction intervals) ساده برای متاآنالیز اثرات-تصادفی؛ یک چارچوب کلی برای متاآنالیز داده‌های تک‌تک شرکت‌کنندگان؛ مجموعه‌ای از توزیع‌های قبلی برای تغییرات بین-مطالعه در متاآنالیز؛ و ابزارهای ارزیابی خطر سوگیری (bias) برای کارآزمایی‌های بالینی و دیگر طرح‌های مطالعاتی. وی مدت‌ها است که با کاکرین همکاری می‌کند، عضو سابق گروه Collaboration Steering  در کاکرین، هیئت تحریریه کاکرین و کمیته علمی کاکرین است. هم اکنون معاون هماهنگی (co-convenor) گروه Bias Methods در کاکرین است. در سال ۲۰۰۳ در ویرایش کتابچه راهنمای کاکرین برای مرورهای سیستماتیک مداخلات همکاری کرده است.

جاناتان استرن (Jonathan Sterne)، استاد آمار پزشکی و اپیدمیولوژی در گروه علوم بهداشتی جمعیت دانشگاه بریستول و معاون مرکز تحقیقات بیومدیکالNIHR  بریستول است. او علاقه‌ای زیادی به روش‌شناسی (methodology) مرورهای سیستماتیک و متاآنالیز دارد، راهبری توسعه ابزارROBINS-I   برای ارزیابی خطر سوگیری در مطالعات تصادفی‌سازی نشده درباره مداخلات، و توسعه نسخه 2 ابزار خطر سوگیری کاکرین برای کارآزمایی‌های تصادفی‌سازی شده را بر عهده دارد. او انجام مطالعات کوهورت HIV در مقیاس بزرگ را که منجر به بهبود درک ما از پیشآگهی افراد با HIV  مثبت در زمینه درمان موثر ضد-رتروویروسی می‌شود، هدایت می‌کند. جاناتان معاون هماهنگی (co-convenor) سابق گروه Bias Methods در کاکرین است. او مقالات تاثیرگذاری را در زمینه سوگیری گزارش‌دهی در متاآنالیز، متا-اپیدمیولوژی، استنتاج علّی و روش‌شناسی (methodology) آماری منتشر کرده است.


بخش ۱: داده‌های ازدست‌رفته پیامد، چه زمانی منجر به سوگیری می‌شوند


بخش ۲: چگونه متوجه وجود سوگیری می‌شویم؟


بخش ۳: ارزیابی ROB به دلیل داده‌های ازدست‌رفته پیامد


مطالعه بیشتر

اسلایدهای وبینار را دانلود کنید [PDF]


شنبه ۱ بهمن‌ماه ۱۴۰۱